[发明专利]图像视频超分辨率与超清晰度重建系统及方法在审

专利信息
申请号: 202011417285.0 申请日: 2020-12-07
公开(公告)号: CN112419158A 公开(公告)日: 2021-02-26
发明(设计)人: 张晓东;张月 申请(专利权)人: 上海互联网软件集团有限公司
主分类号: G06T3/40 分类号: G06T3/40;G06K9/46;G06N3/04;G06N3/08
代理公司: 上海金盛协力知识产权代理有限公司 31242 代理人: 王松
地址: 201203 上海市浦东新区张江高科技园区*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 视频 分辨率 清晰度 重建 系统 方法
【权利要求书】:

1.一种图像视频超分辨率与超清晰度重建系统,其特征在于,所述重建系统包括:

特征提取模块,用以提取待处理图像视频对应的设定特征层;

超分辨率与超清晰度重建模块,连接所述特征提取模块,用以进行特征采样及特征提取,获得重建后的超分辨率、超清晰度图像视频;以及

至少一特定特征处理模块,各特定特征处理模块分别连接所述特征提取模块,用以对所述特征层进行特征处理,根据不同的计算机视觉任务设定获得待处理图像视频对应的特征信息输出。

2.根据权利要求1所述的图像视频超分辨率与超清晰度重建系统,其特征在于:

所述系统进一步包括:

图像视频损失函数获取模块,用以根据所述超分辨率与超清晰度重建模块获取的超分辨率图像计算图像视频损失函数;

至少一特征信息损失函数获取模块,各特征信息损失函数获取模块连接对应的特定特征处理模块,用以根据所述特定特征处理模块获取的特征信息输出计算对应的特征信息损失函数;以及

损失函数融合模块,用以将所述图像视频损失函数获取模块获取的图像视频损失函数、各特征信息损失函数获取模块获取的特征信息损失函数进行融合,获取融合损失函数;利用融合损失函数进行反向传播,以进行图像视频超分辨率与超清晰度重建网络的训练。

3.根据权利要求1或2所述的图像视频超分辨率与超清晰度重建系统,其特征在于:

根据不同的计算机视觉任务需求进行设计对应的至少一特定特征处理模块,以对所述特征层进行特定特征处理,获得与计算机视觉任务需求相关的待处理图像视频的特征信息输出。

4.根据权利要求2所述的图像视频超分辨率与超清晰度重建系统,其特征在于:

各特征信息损失函数获取模块用以通过计算特征信息输出与期望特征信息的差异获取特征信息损失函数。

5.根据权利要求2所述的图像视频超分辨率与超清晰度重建系统,其特征在于:

所述特征提取模块用以获取待处理图像视频的高级特征层,所述高级特征层包含待处理图像视频的深层特征信息;

所述超分辨率与超清晰度重建模块用以将所述高级特征层进行深度神经网络的特征提取,获得各层深度神经网络输出的特征;将最后一层深度神经网络输出的特征确定为重建后的超分辨率、超清晰度图像视频;

所述特定特征处理模块用以将所述高级特征层进行深度神经网络的特征处理,获得各层深度神经网络输出的特征;将最后一层深度神经网络输出的特征确定为特征信息输出;

所述图像视频损失函数获取模块用以计算图像损失函数,具体包含:将重建后的超分辨率、超清晰度图像视频与待处理图像视频对应的高分辨率、高清晰度图像视频计算L1损失,使重建后的超分辨率、超清晰度图像视频具有相应高分辨率、高清晰度图像视频的像素值;

所述图像视频损失函数获取模块还用以将计算得到的图像视频损失函数通过反向传播至所述特征提取模块;使所述特征提取模块提取的高级特征层含有丰富的图像视频信息,从而使得超分辨率与超清晰度重建模块重建后的超分辨率、超清晰图像视频具有更好的视觉效果;

所述特征信息损失函数获取模块用以计算特征信息的损失函数,通过计算特征信息输出与期望特征信息的差异获取特征信息损失函数;

所述特征信息损失函数获取模块还用以将计算得到的特征信息损失函数反向传播至所述特征提取模块,使所述特征提取模块提取的特征层含有丰富的特定特征信息,从而帮助超分辨率与超清晰度重建模块重建后的超分辨率、超清晰度图像视频具有更高的可信度;

所述损失函数融合模块将所述图像视频损失函数、特征信息损失函数进行加权求和,获得融合损失函数;所述损失函数融合模块还用以将融合损失函数反向传播至图像视频损失函数获取模块、特征信息损失函数获取模块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海互联网软件集团有限公司,未经上海互联网软件集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011417285.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top